权威网站排名,桂林生活网论坛,网络营销有哪些推广方法,代理一件代发基于信息最大化的ICA算法的主要依据是使输入端与输出端的互信息达到最大#xff0c;且输出各个分量之间的相关性最小化#xff0c;即输出各个分量之间互信息量最小化#xff0c;其算法的系统框图如图所示。 基于信息最大化的ICA算法的主要依据是使输入端与输出端的互信息达到… 基于信息最大化的ICA算法的主要依据是使输入端与输出端的互信息达到最大且输出各个分量之间的相关性最小化即输出各个分量之间互信息量最小化其算法的系统框图如图所示。 基于信息最大化的ICA算法的主要依据是使输入端与输出端的互信息达到最大且输出各个分量之间的相关性最小化即输出各个分量之间互信息量最小化其算法的系统框图如图所示。 图 3 基于改进的信息最大化的ICA算法的系统框图 上图中U[u1,u2,u3,…]T是经过该算法之后输出的信号向量可以用来逼近输入信号UW×X。分离信号YG(U)G(U)是非线性函数该函数直接影响分离性能。
信息最大化的ICA算法的判断准则是信息最大传输的原则具体的说就是以分离矩阵W为变量在熵的表达式中不断调整W使H(Y)最大化此时就表明恢复的原始信号U的各个分量之间互信息量极小非线性输出信号Y与输入X之间互信息满足 对该公式两边关于分离矩阵W进行微分然后通过公式推导可得使得H(Y)极大的分离矩阵W的迭代计算公式 其中非线性函数采用GU11e-U μ是该算法的学习参数取0.05。而 是对第K次迭代输出的各个分量之间的互信息进行度量理想情况该项应该为-I。
在该算法中非线性函数G(U)的选择将会直接影响算法性能因此对非线性函数进行修改是基于信息最大化的ICA算法的主要改进方向之一文献中讨论了不同的非线性函数对算法性能的影响发现非线性函数特性越陡峭越适合作为基于信息最大化的ICA算法的非线性转换函数而符号函数具有最陡峭的特性因此采用符号函数作为基于信息最大化的ICA算法的非线性转换函数。 基于信息最大化的ICA算法主要有两点优点一是该方法拥有较快的收敛速度二是采用不同非线性函数可以有效降低分离误差。
